【亲测免费】 Prometheus FastAPI Instrumentator 安装和配置指南
2026-01-25 04:10:43作者:俞予舒Fleming
1. 项目基础介绍和主要编程语言
项目介绍
Prometheus FastAPI Instrumentator 是一个用于 FastAPI 应用的 Prometheus 指标采集工具。它可以帮助你轻松地将 Prometheus 指标集成到 FastAPI 应用中,以便监控应用的性能和行为。
主要编程语言
该项目主要使用 Python 编程语言。
2. 项目使用的关键技术和框架
关键技术
- Prometheus: 一个开源的系统监控和报警工具包。
- FastAPI: 一个现代、快速(高性能)的 Web 框架,用于构建 APIs,基于 Python 3.7+ 和异步编程。
框架
- FastAPI: 用于构建 Web 应用。
- Prometheus Client Library: 用于在 Python 应用中集成 Prometheus 指标。
3. 项目安装和配置的准备工作和详细安装步骤
准备工作
在开始安装和配置之前,请确保你已经安装了以下软件:
- Python 3.7 或更高版本
- pip(Python 包管理工具)
安装步骤
步骤 1:创建虚拟环境(可选)
为了隔离项目依赖,建议创建一个虚拟环境。
python3 -m venv myenv
source myenv/bin/activate
步骤 2:安装 Prometheus FastAPI Instrumentator
使用 pip 安装 prometheus-fastapi-instrumentator 包。
pip install prometheus-fastapi-instrumentator
步骤 3:创建 FastAPI 应用
创建一个新的 FastAPI 应用文件 main.py,并添加以下代码:
from fastapi import FastAPI
from prometheus_fastapi_instrumentator import Instrumentator
app = FastAPI()
# 初始化 Instrumentator
instrumentator = Instrumentator()
# 在应用启动时进行指标暴露
@app.on_event("startup")
async def startup():
instrumentator.instrument(app).expose(app)
# 示例路由
@app.get("/")
async def root():
return {"message": "Hello World"}
步骤 4:运行 FastAPI 应用
使用以下命令运行 FastAPI 应用:
uvicorn main:app --reload
步骤 5:访问 Prometheus 指标
启动应用后,你可以通过访问 http://127.0.0.1:8000/metrics 来查看 Prometheus 指标。
配置步骤
自定义指标
你可以通过添加自定义指标来扩展 Prometheus 指标采集功能。例如,添加一个计数器来统计特定语言的请求次数:
from prometheus_client import Counter
from prometheus_fastapi_instrumentator import metrics
# 创建自定义指标
http_requested_languages_total = Counter(
"http_requested_languages_total",
"Number of times a certain language has been requested",
labelnames=("langs",)
)
# 添加自定义指标到 Instrumentator
instrumentator.add(
metrics.request_size(
should_include_handler=True,
should_include_method=False,
should_include_status=True,
metric_namespace="a",
metric_subsystem="b",
)
)
配置选项
Instrumentator 提供了多种配置选项,例如忽略特定路由、控制指标暴露等。你可以在创建 Instrumentator 实例时进行配置:
instrumentator = Instrumentator(
should_group_status_codes=False,
should_ignore_untemplated=True,
should_respect_env_var=True,
should_instrument_requests_inprogress=True,
excluded_handlers=["/admin/*", "/metrics"],
env_var_name="ENABLE_METRICS",
inprogress_name="inprogress",
inprogress_labels=True,
)
通过以上步骤,你已经成功安装并配置了 Prometheus FastAPI Instrumentator,并可以开始监控你的 FastAPI 应用了。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
387
458
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
680
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
354
212
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
805
198
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781